CAPITAL HUMAIN ET CROISSANCE ECONOMIQUE Une approche en données de panel sur pays africains

CAPITAL HUMAIN ET CROISSANCE ECONOMIQUE

Une approche en données de panel sur pays africains

Dr.Rezine okacha Université Dr.Tahar Moulay

–SAIDA-rez_okacha@yahoo.fr

Human Capital and Economic Growth

approach of Panel data for African countries Dr.Rezine okacha

University Dr.Tahar Moulay, SAIDA- Algeria

Received: 03 Mar 2015 Accepted: 30 Nov 2015 Published: 30 Dec 2015

Résume :

Cette recherche se focalise aux liens entre capital humain/éducation et croissance. On s’interroge, en particulier, sur les fondements théoriques de cette relation et sur la manière de la tester. Cette relation est testée sur un panel cylindré comprenant 31 pays africains et, sur la période 1965-2010. La première approche est consacrée a l’analyse des modèles de croissance endogène avec modèle de SOLOW (1956) avec la prise du capital humain /éducation. Les résultats empiriques affirme que la relation éducation croissance et démontré. Et confirme la contribution positive et significative de l’éducation sur la croissance économique.

Mots clés : capital humain, éducation, croissance économique, Afrique, Données de panel Code JEL : O18, O47, O55

Abstract:

This thesis aims to examine the link between human capital /education and economic growth. One wonders, in particular, on the theoretical foundations of this relationship and how to test it. This relationship is tested on a cylinder panel comprising 31 African countries over the period 1965-2010.The first approach is devoted to the analysis of endogenous growth models with model Solow (1956) with taking the proxy of human capital/education.

The empirical evidence says that the relationship between education and growth positively enhanced by the quality of the educational system of the country. And confirms the positive and significant contribution of education on the economic growth.

Keywords : Human capital, education, Economic growth, Africa, panel data Jel Classification Codes : O18, O47, O55

Introduction

Pourquoi la richesse produite dans les pays les plus développés a-t-elle été multipliée par quatorze depuis 1820 ? Pourquoi, depuis la Seconde Guerre mondiale, le Japon a-t-il une croissance beaucoup plus rapide que les pays occidentaux ?[1]

Les théories de la croissance cherchent les réponses à ces questions. Elles ont été profondément renouvelées à la fin du XXe siècle, à tel point qu’il est assez légitime de considérer qu’il existe un ensemble de « nouvelles théories » généralement qualifiées de « théories de la croissance endogène ». Afin de Comprendre pourquoi certains pays se développent rapidement alors que d’autres restent dans le sous-développement. De nombreux économistes (Denison, 1962) sont partis du constat suivant lequel la croissance avait été supérieure à ce qu’aurait impliqué la progression des deux facteurs économiques principaux que sont le capital et le travail. Cette croissance non expliquée a été attribuée à un facteur « résiduel » censé représenter le progrès technique ou la « qualité du travail » qui sera traduit par la suit dans la conception du « capital humain » puisque dans l’ancienne doctrine économique associer « capital » et « «homme » est une injure à ce dernier, car l’activité humaine ne peut être mesurée, jaugée, comme celle d’une simple machine qu’on évalue à son rendement car quantifier l’activité humain est indigne.

Le concept du « CAPITAL HUMAIN » dans les théories économiques a véritablement émergé grâce à Schultz. T[2](1961) et Becker.G[3](1964), deux économistes américains nobélisés quelques décennies plus tard pour leurs travaux, eux mêmes inspirés par les théories déjà anciennes d’Adam Smith et de quelques autres. La doctrine de cette théorie est qu’un individu, lorsqu’il décide de suivre une formation au lieu de prendre un travail, raisonne comme un investisseur. L’éducation aurait ainsi des caractéristiques communes avec le capital physique. Elle serait une dépense présente, effectuée en vue d’un rendement futur.

Lucas4 (1988) est l’un des pionniers de l’analyse des mécanismes endogènes de croissance, et le premier, dans ce courant, a mettre l'accent sur les relations entre secteur productif et secteur éducatif. La place du facteur humain dans la production constitue le cœur des apports des modèles de croissance endogène à la macro-économie. On considère que la productivité des salaries est améliorée par la plus grande qualité du facteur travail. Le capital humain agit directement sur la quantité et la qualité de la production. Romer (1986, 1990) On retrouve, ici, la distinction traditionnelle de Becker (1964) entre deux composantes du capital humain, la formation « schooling » et l’apprentissage sur le tas « on the job training ».

Les théories du filtre (Arrow, 1973) et du signal (Spence, 1981) insistent sur une des limites de la logique de la théorie du capital humain. L'éducation est un signal pour les entreprises qui embauchent et de ce fait l’éducation est considéré comme un facteur d’efficacité qui élève la productivité des travailleurs et contribue de cette manière à augmenter la production. L’éducation est ainsi associée aux autres facteurs traditionnels (capital et travail), diverses études ont essayé de tester et de quantifier l’impact de l’éducation sur la croissance économique.

Pour cela DENISON (1961) et SCHULTZ (1962) ont abouti à des résultats similaires sur l’impact de l’éducation sur la croissance DENISON calcule que 23% de la croissance des Etats-Unis entre 1930-1960 était imputable à l’accroissement de l’éducation. SCHULTZ par sa méthode

bonne part à la croissance américaine. Les effets indirects de l’éducation sur la croissance économique s’articulent autour de deux points essentiels : d’une part ils se manifestent par des externalités positives que l’éducation engendre et d’autre part la liaison entre l’éducation et les autres types de ressources humaine à savoir : la santé, la nutrition, la pauvreté, la fécondité etc.

La relation entre l’éducation et la croissance économique en Afrique subsaharienne apparaît intéressante pour deux critères :

1. L’Afrique sub-saharienne représente seulement 2 % du PIB mondial. Son PIB par tête a baissé dans les années 1980 et dans les années 1990, et elle est devenue à la fin des années 1990 la région la plus pauvre du monde. Le revenu moyen est actuellement inférieur en termes absolus à celui des années 1960.

2. Enfin, parce que le développement des pays d’Asie du Sud-est a été possible et visible grâce à une politique éducative volontariste et, pour quoi pas le même processus aura pour les pays d’Afriques.

L’intérêt porte à cette thématique se situe au cœur du débat sur les apports du capital humain/éducation et de son impacte sur la croissance économique dans les pays sous développer (pays d’Afriques).

I. Définition du capital humain

Le capital humain, selon la définition de l’OCDE, le capital humain recouvre les connaissances, les qualifications, les compétences et les autres qualités d’un individu qui favorisent le bien-être personnel, social et économique.

« Les connaissances, les qualifications, les compétences et caractéristiques individuelles qui facilitent la création de bien-être personnel, social et économique »[5]

Le capital humain peut se définir aussi comme un ensemble d'aptitudes, de connaissances et de qualifications possédées par chaque individu. Celles-ci sont, en partie, innées, héritées à la naissance (il s'agit des capacités intellectuelles transmises génétiquement); pour autre partie, elles sont acquises tout au long de la vie. Cette acquisition est coûteuse mais rapporte un flux de services productifs futurs. Il s'agit donc d'un investissement ; c'est pourquoi le nom de capital est donné à ce stock de connaissances.

Le capital humain constitue donc un bien immatériel qui peut faire progresser ou soutenir la productivité, l’innovation et l’employabilité. Il peut croître, se réduire ou devenir inutile. Il subit différentes influences et provient de différentes origines, notamment, mais pas seulement, d’un apprentissage organisé sous la forme de l’éducation et de la formation. Les quatre éléments (connaissances, qualifications, compétences et autres qualités personnelles) peuvent se combiner de différentes manières suivant les individus et suivant le contexte dans lequel ils sont utilisés.

II. Revue des proxys du capital humain

L’obtention des résultats sur la relation entre la croissance et le capital humain semble donc dépendre de l’indicateur utilisé pour caractériser le capital humain. [6] Wössman (2000) a proposé une revue des proxys du capital humain utilisées dans la littérature citons :

1. le travail augmenté de l’éducation (travail qualifié et non qualifié par exemple) (Denison, 1967 ; Jorgenson, 1995),

2. le taux d’alphabétisation (Azariadis et Drazen, 1990 ; Romer, 1990), le taux de scolarisation moyen ou primaire, secondaire (Barro, 1991) ;

3. Mankiw et al, 1992 ; Levine et Renelt, 1992 ou encore le nombre moyen d’années d’étude (Barro et Sala-i-Martin, 1995 ; Barro, 1997,1999 ; Benhabib et Spiegel, 1994).

III. La relation éducation croissance

La relation entre croissance et éducation s'appuie sur les travaux micro- économiques de Becker (1964), mais aussi de Mincer (1958). Pour ces derniers, l'éducation est un investissement puisqu'elle procurera des gains de salaires. Des gains de salaires aux gains de productivité et donc a la croissance, il n'y a qu'un pas, franchi tardivement par Romer (1986) et Lucas (1988) d’un point de vue théorique alors que la relation éducation-croissance avait déjà été testée des 1962 par Denison (1962)[7]. Cependant à l’heure actuelle l’éducation se concentrent dans trois grands domaines :

1. celui de la contribution de l’éducation à la croissance économique;

2. celui de la demande individuelle d’éducation (liens entre l’éducation et le marché du travail); 3. celui de la gestion des systèmes éducatifs.

L’éducation a toujours constitué un investissement clé pour l’avenir, pour les individus, pour l’économie et pour la société dans son ensemble. Dans les pays de l’OCDE, le rendement public net de l’investissement dans une formation tertiaire dépasse 50 000 USD en moyenne par étudiant. En outre, les facteurs incitant les individus à poursuivre leur formation sont susceptibles de se multiplier dans les années à venir : par exemple, les coûts d’opportunité de l’éducation diminuent à mesure que les difficultés à trouver un emploi augmentent et les coûts d’opportunité ou le manque à gagner pendant les études ont tendance à constituer la composante de coût la plus importante pour les étudiants (sauf aux Etats-Unis où les frais de scolarité sont élevés). Le niveau de formation sert souvent d’indicateur pour rendre compte du capital humain c’est-a-dire du niveau de compétence de la population et de la main-d’œuvre. La mondialisation et le progrès technologique ne cessant de modifier les besoins du marché du travail mondial, la demande d’individus qui possèdent des connaissances plus vastes, des savoir-faire plus spécialisés, continue d’augmenter.

IV. Les travaux pionniers du capital humain et croissance

Romer (1989) Dans son analyse, a cherché à vérifier la validation empirique de son modèle

théorique antérieur en régressant le taux d’alphabétisation en 1960 sur le taux de croissance du produit par tête et l’investissement de 94 pays entre 1960 et 1985. La variable éducative dans ces modèles affecte positivement la croissance économique mais son impact n’est pas significatif. A partir d’un vaste échantillon des pays pauvres et des pays riches issu des données internationales de Summers et Heston (1988), Romer (1989) a approfondi le test de convergence des économies et a conclu que la convergence absolue ne tenait plus dans le cas d’un vaste échantillon hétérogène de

pays. Plus précisément, Romer a constaté qu’il n’y avait pas de corrélation significative entre les niveaux de revenus initiaux et les taux de croissance subséquents.

L’étude de Barro (1991) a estimé en coupe transversale, le taux de croissance du produit

par tête sur la période 1960-1985 de 98 pays en utilisant les valeurs initiales du taux de scolarisation primaire et secondaire, le taux d’alphabétisation, le ratio d’encadrement, le taux de mortalité entre 0 et 4 ans et la fécondité et en introduisant par ailleurs, deux indicateurs caractéristiques de l’Afrique et de l’Amérique Latine. Par contre, en utilisant des variables en début de période, l’étude reste ancrée par les hypothèses des modèles néoclassiques selon lesquelles, le taux de croissance économique par tête d’un pays tend à être inversement lié à son niveau de revenu par tête en début de période. Les résultats de cette étude montrent que les taux de scolarisation au primaire et au secondaire initiaux (1960) ont présenté des effets positifs sur la croissance sur la période 1960-1985 – 0,0323 et 0,027 respectivement - tandis que le ratio d’encadrement a des effets négatifs pour le primaire – et non significatifs pour le secondaire. Les effets du taux d’alphabétisation sont négatifs lorsque les autres variables sont introduites dans le modèle.

Hicks (1979) réalisée sur 69 pays sur la période 1960-1973 est particulièrement

intéressante. En effet, appliquant des tests économétriques aux taux de scolarisation et d’alphabétisation initiaux et des indicateurs de l’espérance de vie en début de période, Hicks (1979) a mis en relief que seul l’impact de l’espérance de vie sur le produit par tête sur la période domine.

Tham Tham S. (1995) a essayé par l’approche de Solow et en supposant que le rôle de

l’éducation est compris dans le résidu, de quantifier les causes majeures de la croissance Malaisienne entre 1971 et 1987. Les résultats de son étude montrent trois choses :

1. La croissance de la Productivité Totale des Facteurs (PTF) sur toute la période est négative et égale à -1,4% ;

2. IL y a une nette chute dans la croissance de la PTF entre une première période 1971-1981 et la période suivante et,

3. la Principale source de croissance entre 1971 et 1987 est attribuable à la croissance du capital physique et au facteur travail, le premier étant de loin le facteur le plus important.

V. 8. Le modèle de Solow (1956) avec capital humain :

Mankiw, Romer et Weil [1992] se sont proposé d’intégrer dans le modèle de Solow, l’évolution de la qualité de la main-d’œuvre afin de mieux rendre compte du déroulement de la croissance économique. Ceci se justifie par le fait qu’on peut accroître le capital humain en investissant dans le système éducatif, dans le système de santé, etc. Leur analyse part de la thèse selon laquelle l’accumulation du capital physique ne suffit pas (dans le modèle de Solow) pour expliquer la disparité des performances économiques. Et de ce fait Deux types de capital sont alors inclus: le capital physique et le capital humain. On obtient une fonction Cobb-Douglas de la forme:

    1  )) ( ) ( ( ) ( K(t) = y(t) H t At L t

K: représente le capital physique, H: le capital humain,

L: le travail et A le progrès technique.

1. Le travail L est supposé augmenter à un taux exogène n du fait de la croissance de la population et de l’augmentation exogène de la productivité du travail.

2. Le progrès technique A est exogène et croît au taux g et le capital humain H augmente au taux n+g

3. Le modèle suppose aussi qu’une fraction constante de la production, si est investie dans chaque type de capital.

VI. Présentation du modèle

Ce travail s’inspire du modèle de croissance néoclassique développé par Islam (1995) qui permet de bénéficier des avantages de l’analyse en panel dont l’un est la prise en compte à la fois des effets temporels et individuels. Le modèle d’Islam (1995) est essentiellement une spécification du modèle de Mankiw et al. (1992) mais sur des données de panel. Mankiw et al. (1992) quant à eux ont repris les fondements du modèle de Solow (1956), dans lequel ils incorporent le concept du capital humain.Deux types de capital sont alors inclus : le capital physique et le capital humain. La fonction de production est de type Cobb-Douglas.

Dans notre travail nous prendrons des intervalles de temps de cinq ans comme dans Islam[8](1995). En considérant la période de 1965 à 2010, nous aurons dix (10) dates pour chaque pays. (1965. 1970. 1975. 1980. 1985. 1990. 1995. 2000. 2005. 2010) , lorsque t=1970, alors t-1=1965 etc.

VII. Description des données de l’analyse empirique

Afin de collecter les informations nécessaire pour notre étude empirique sur trente et un (31) pays africains qui couvre la période 1965 -2010 nous somme basé sur différent base de donné :

1. De la Penn World Table V6.3 : nous avons utilisé les données suivantes :





2. De la base de données de Barro et Lee (Barro R. & J.W. Lee v. 1.3, 04/13) les séries sur : le nombre moyen d’années d’étude de la population âgées de 25 ans et plus.

it g h         ln(s ) ln( ) ln(h ) ln(h ) ln(n   ) = )

ln(y*_{i 1 ki 2} prim ₃ sec_{i 4} sup_{i 2 t}

1 0 1

Tableau (1) les variables de l’étude

La variable Définition

POP La taille de la population RGDPCH Le PIB réel par tète

RGDPWOK Le PIB par travailleur, cette série de données dans notre modèle correspond à _{l’output par unité de travail (y)} ki

La part de l’investissement dans le PIB réel par tète.

cette série nous a permis d’obtenir le taux d’épargne sk qui est par hypothèse

habituellement égal au taux de l’investissement en capital physique. nt

Le taux de croissance annuel de la quantité de travail entre t et t-1. La quantité de travail N à la date t a été obtenue à partir des séries POP, RGDPCH et RGDPWOK de la manière suivante il est alors possible d’en déduire

h représente le nombre moyen d’années d’étude de la population âgées de 25 ans et plus.

hprim représente le nombre moyen d’années d’étude du niveau primaire. hsec _{représente le nombre moyen d’années d’étude du niveau secondaire}

hsup représente le nombre moyen d’années d’étude du niveau supérieure. Tableau (2) : l’estimation du modèle Solow

Variable Effet Fixe Effet aléatoire MCG

(avec correction) Constante 7.660549 (0.000) 7.662995 (0.000) 6.448447 (0.000) 0.2031147 (0.000) 0.232272 (0.000) 0.5528516 (0.000) 0.0571806 (0.141) 0.0362026 (0.381) -0.2294345 (0.000) -0.0404194 (0.447) -0.087261 (0.096) -0.2066226 (0.000) 0.046935 (0.128) 0.0554159 (0.087) 0.1244938 (0.000) 0.0305428 (0.330) 0.0552397 (0.090) 0.3005295 (0.000) R2 0.1646 0.6102

Note : les t-Student sont entre parenthèses.

Le tableau (2) indique les résultats du modèle de Solow avec capital humain. Le modèle à erreurs composées représente alors le mieux la structure des données de notre échantillon selon le test de Hausman avec (R² =61%), la contribution de l’éducation dans se modèle avant correction est très faible et non significatif.

Un premier commentaire est que l’estimation avec MCG est plus performante (les variables d’investissement physique et d’éducation sont statistiquement significatives sk (55%) hsup (30%).L’estimation avec MCG à qualifier le rôle positif du capital humain dans le processus de la croissance avec 12% pour le niveau secondaire et 30% pour le niveau supérieur sans oublié le grande partie pour le capital physique. La variable du nombre d’années d’étude au primaire avec coefficient négative (-0.20) et elle est significative. Cela pourrait traduire qu’une année supplémentaire d’étude aux niveaux secondaire (0.12) et supérieur (0.30) aurait un impact positif st significatif sur le niveau de PIB par tète, et donc sur la croissance pour notre échantillon, tandis que ce n’est pas le cas pou les années passées au niveau primaire.

Ses résultats confirment l’idée proposée par Nelson et Phelps, c’est que les taux de croissance de la productivité sont positivement corrélés avec le nombre d’individus qui ont suivi des études secondaires et supérieures. Ainsi les travaux menés par Barro et Sala-i-Martin (1994) ont confirmé que le nombre d’étudiants dans l’enseignement secondaire et supérieur exerce un effet significatif sur le taux de croissance de la productivité. Pour Barro et Lee (1997) la relation éducation croissance s’articule sur un point essentiel c’est que Les études secondaires et supérieures sont des déterminants de la croissance économique. D’une façon générale, le cycle secondaire offre en plus de l’enseignement général, des programmes techniques et professionnels qui visent à acquérir des compétences qui favorisent l’insertion dans la vie active.

Conclusion

Selon la théorie économique de la croissance endogène, la croissance économique repose très fortement sur l’accumulation du capital humain L’idée fondamentale est la façon dont l’éducation peut constituer un élément fondateur de la croissance et du développement économique dans un pays ayant un niveau faible de développement. De tout façon les modèles de croissance endogène mettre l’accent sur l’explication du progrès technique par les facteurs de qualité de la main-d’œuvre.

L’utilisation des techniques économétriques de données de panel a permis de préciser et nuancer ces résultats car on peut admet en premier lieu que la relation éducation croissance et bien démontre au sein de notre échantillon et avec le de Solow proposé, ainsi nos résultat peuvent être résumés dans ces points essentiels :

1. les prédictions de Solow (1956) à propos de l’attribution de la croissance démographique sur la croissance et négatif, de ce fait on conclut que le modèle de Solow nous a permet de bien expliquer les données de notre échantillon de 31 pays africains et sur la période (1965 – 2010) 2. les résultats confirment l’idée proposée par Nelson et Phelps, Barro et Sala-i-Martin (1994),

Barro et Lee (1997) que le nombre d’étudiants dans l’enseignement secondaire et supérieur exerce un effet significatif sur le taux de croissance de la productivité et ca nous a mènent que Les années d’études secondaires et supérieures sont des déterminants de la croissance économique.

3. le capital physique expliquerait 55% de la croissance et les autres facteurs les 40% restant. Ce que nous permit à dire que les facteurs physiques (infrastructures publiques et investissements physiques) sont indispensables pour le développement économique et social des pays de notre échantillon et qu’elles sont prioritaires pour la croissance de ces pays. Et de l’autre coté on a l’éducation qui apparaît comme un catalyseur des investissements. Elle vient renforcer les effets externes positifs sur la rentabilité des infrastructures économiques de base.

Enfin, les estimations économétriques ne tiennent pas compte d’éventuels problèmes de simultanéité des effets des variables. Si l’investissement et l’éducation jouent bien sur le niveau de revenu, ainsi le niveau de revenu doit lui aussi influencer les modes d’accumulation du capital physique et humain. La principale limite de cette étude réside dans la qualité et la fiabilité des données utilisées. Car l’analyse des données a révélé beaucoup d’aberrations que nous avons essayé de corriger en éliminant soit le pays concerné, soit la variable concernée.

Annexe 1:Liste des pays de notre échantillon

Résultat de l’estimation de l’équation de productivité Le test de spécification le test de Breush-Pagan

Prob > chibar2 = 0.0000 chibar2(01) = 512.65 Test: Var(u) = 0 u .2588384 .5087616 e .0712485 .2669241 rgdpwok .9158681 .95701 Var sd = sqrt(Var) Estimated results:

rgdpwok[country1,t] = Xb + u[country1] + e[country1,t] Breusch and Pagan Lagrangian multiplier test for random effects

(La Prob > chibar2 = 0.0000) du test Breusch et Pagan est inférieure à 5% confirme le choix du modèle à erreur composées (aléatoires) et rejettent celui avec effets spécifiques

N Country Name Country Code

1 Algérie DZA

2 Bénin BEN

3 Botswana BWA

4 Burundi BDI

5 Cameroun CMR

6 République centrafricaine CAF 7 Congo, République démocratique COD

8 Congo, République COG

9 Côte d'Ivoire CIV

10 Égypte, République arabe EGY

11 Gabon GAB 12 Gambie GMB 13 Ghana GHA 14 Kenya KEN 15 Lesotho LSO 16 Malawi MWI 17 Mali MLI 18 Mauritanie MRT 19 Maroc MAR 20 Mozambique MOZ 21 Namibie NAM 22 Niger NER 23 Papouasie-Nouvelle-Guinée PNG 24 Rwanda RWA 25 Sénégal SEN

26 Afrique du Sud ZAF

27 Tanzanie TZA

28 Togo TGO

29 Ouganda UGA

30 Zambie ZMB

Tableau (3) : la régression avec les effets fixes

F test that all u_i=0: F(30, 274) = 57.67 Prob > F = 0.0000 rho .90725532 (fraction of variance due to u_i)

sigma_e .26692414 sigma_u .83484933 _cons 7.660549 .2313116 33.12 0.000 7.205175 8.115923 hsup .0305428 .0313245 0.98 0.330 -.0311245 .0922102 hsec .046935 .0307034 1.53 0.128 -.0135095 .1073794 hprim -.0404194 .0531049 -0.76 0.447 -.1449648 .064126 nt .0571806 .038758 1.48 0.141 -.0191208 .1334819 sk .2031147 .0386385 5.26 0.000 .1270486 .2791809 rgdpwok Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = 0.5189 Prob > F = 0.0000 F(5,274) = 10.79 overall = 0.3911 max = 10 between = 0.5701 avg = 10.0 R-sq: within = 0.1646 Obs per group: min = 10 Group variable: country1 Number of groups = 31 Fixed-effects (within) regression Number of obs = 310

Tableau (4) : la régression avec les effets aléatoire

rho .78415228 (fraction of variance due to u_i)

sigma_e .26692414 sigma_u .50876159 _cons 7.662995 .2536581 30.21 0.000 7.165834 8.160156 hsup .0552397 .032606 1.69 0.090 -.0086669 .1191463 hsec .0554159 .0323963 1.71 0.087 -.0080797 .1189114 hprim -.087261 .0524118 -1.66 0.096 -.1899863 .0154643 nt .0362026 .0413555 0.88 0.381 -.0448527 .1172579 sk .232272 .0403927 5.75 0.000 .1531039 .3114402 rgdpwok Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(5) = 65.84 overall = 0.4361 max = 10 between = 0.6102 avg = 10.0 R-sq: within = 0.1615 Obs per group: min = 10 Group variable: country1 Number of groups = 31 Random-effects GLS regression Number of obs = 310

Tableau (5): le test d’Hausman

(V_b-V_B is not positive definite) Prob>chi2 = 0.1187

= 8.77

chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic

B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg hsup .0305428 .0552397 -.0246969 . hsec .046935 .0554159 -.0084809 . hprim -.0404194 -.087261 .0468416 .0085514 nt .0571806 .0362026 .0209779 . sk .2031147 .232272 -.0291573 . fixe . Difference S.E.

(b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients

Tableau (6) : la régression MCG avec correction

Note: you estimated at least as many quantities as you have observations. _cons 6.448447 .1563575 41.24 0.000 6.141992 6.754902 hsup .3005295 .0351915 8.54 0.000 .2315554 .3695036 hsec .1244938 .0275323 4.52 0.000 .0705314 .1784562 hprim -.2066226 .0261177 -7.91 0.000 -.2578123 -.1554328 nt -.2294345 .042258 -5.43 0.000 -.3122586 -.1466103 sk .5528516 .0310442 17.81 0.000 .492006 .6136972 rgdpwok Coef. Std. Err. z P>|z| [95% Conf. Interval] Prob > chi2 = 0.0000 Wald chi2(5) = 912.17 Estimated coefficients = 6 Time periods = 10 Estimated autocorrelations = 0 Number of groups = 31 Estimated covariances = 496 Number of obs = 310 Correlation: no autocorrelation

Panels: heteroskedastic with cross-sectional correlation Coefficients: generalized least squares

Cross-sectional time-series FGLS regression

. xtgls rgdpwok sk nt hprim hsec hsup, panel(corr) corr(independent)

Références bibliographiques:

[1] Dominique. GUELLEC, Pierre. RALLE (2003), « Les nouvelles théories de la croissance », 5e éd, La Découverte, Paris, p3. [2] Schultz T. (1961): “Investment in Human Capital”, American Economic Review.

[3] Becker G. (1964):”Human Capital, A Theoretical and Empirical Analysis, with Special Reference to Education”, New York‐ National Bureau of Economic Research, Chicago, Univ. of Chicago Press, 2e édition en 1975, 3ème édition en 1994

[4] Prix Nobel d'Economie en 1995,

[5]Aghion, P. and P. Howitt (1998), “Endogeneous Growth Theory”, MIT Press, Cambridge. [2]Aghion, P. et E. Cohen. 2004. Éducation et Croissance, La Documentation française, Paris. [3] Alain CHAMAK, Céline FROMAGE (2006), « LE CAPITAL HUMAIN », Edition LIAISONS,Paris.

[4] Altinok N. (2006), « Capital humain et Croissance : l’apport des enquêtes internationales sur les acquis des élèves », Publique Economie, IREDU pages 177-209

[5] Ba Youssouph (2010), « Analyse du capital humain : diagnostic des dépenses d’éducation

[6] Barro, R.J. 1991. “Economic Growth in a Cross Section of Countries”, Quarterly Journal of Economics, vol. 151, 407 -443. [7] Becker, G. 1964. Human Capital, New York, Columbia University Press.

[8] BECKER, G. S. (1964). Human Capital : A Theoretical and Empirical Analysis with Special Reference to Education (éd. 1er 2dition). New York: Éditions Columbia University Press.

[9] Benhabib, J. and M. Spiegel. 1994. “The Role of Human Capital in Economic Development: Evidence from Aggregate Cross-Country Data”, Journal of Monetary Economics, vol. 34, 143-179.

[10] Bernard GAZIER (2004), « Les stratégies des ressources humaines », 3e éd, La Découverte, Paris

[11] Christophe HURLIN, 2004, « L’Économétrie des données de Panel, Modèles Linéaires Simples », Séminaire méthodologique, École Doctorale Edosif, p 49.

[12] Claude DIEBOLT(1995), « EDUCATION ET CROISSANCE ECONOMIQUE », EDITION L’Harmattan, paris, p 11 [13] Dominique. GUELLEC, Pierre. RALLE (2003), « Les nouvelles théories de la croissance », 5e éd, La Découverte, Paris

[14] Dorothée Boccanfuso D, Savard L et Savy E.B. (2009), « Capital humain et Croissance : Evidences sur données des pays africa ins », Université de Sherbrooke, pp37-38.

[15] Islam, N. 1995. “Growth Empirics: A Panel Data Approach”, Quarterly Journal of Economics, 110(4), 1127 -70.

[16] Mankiw, N., D. Romer and D. Weil. 1992. « A Contribution to the Empirics of Economic Growth », Quaterly Journal of Economics, vol. 107, 407-437, P417

[17] MINCER, J. (1958). Investment in Human Capital and Personal Income Distribution. Journal of Political Economy , 66, 281-302.

[18] Mohamed GOAIED et Seifallah SASSI, 2012, « Économétrie des données de panel sous stata », Module n°1,1ère édition, Université de Carthage, [19] Institut des Hautes Études Commerciales de Carthage (IHEC) et Laboratoire d’Économie et de Finance Appliquées, Mai 2012, p1 6.

[20] Nelson, R. and E. Phelps. 1966. “Investment in Humans, Technological Diffusion and Economic Growth”, American Economic Review, n°61, 69-75.

[21] OCDE (1996b), « Mesurer le capital humain: Vers une comptabilité du savoir acquis », Paris, OCDE, P22

[22] OCDE (1998), « L'investissement dans le capital humain: une comparaison internationale », Paris, Editions de l'OCDE, p10. [23] OCDE (2001) « Du bien-être des nations : le rôle du capital humain et social », Paris, du bien être des nations

[24] OCDE. (1996b), « Mesurer le capital humain: Vers une comptabilité du savoir acquis », Paris, OCDE, P23. [25] OCDE. (1998). L'investissement dans le capital humain: une comparaison internationale. Paris: Editions de l'OCDE.

[26] OCDE. (2001). Du bien être des nations: le rôle du capital humain et social -enseignement et compétences -. Paris: Editions de l'OCDE. pp 111-114

[27] Olivier.D et Vincent.V,2008, « Investir dans le capital humain »,Bruylant-Academia s.a,Louvain-la-Neuve,Belgique.

[28] Poulain Edouard (2001), « LE CAPITAL HUMAIN, d’une conception substantielle à un modèle représentationnel », In : Revue économique. Volume 52, n° 1, p100

[29] Pritchett, L. 2001. “Where Has All the Education Gone ?”, World Bank Economic Review, vol.15, 367-391.

[30] Pritchett, L. and D. Filmer. 1999. “What Education Production Function Really Show: A Positive Theory of Education Expenditures”, Economics of Education Review, 18(2), 223-39.

[31] Psacharopoulos, G. 1993. “Returns to Investment in Education: A Global Update”, Policy Research Paper 1067, World Bank, Was hington, D.C.

[32] PSACHAROPOULOS, G., & ARRIAGADA, A. M. (1986, September-October). The Educational Composition of the Labour Force: An International Comparison. International Labour Review , 125 (5), pp. 561-574.

[33] Rapport OMD 2012, Évaluation des progrès accomplis en Afrique dans la réalisation des objectifs du Millénaire pour le développement [34] SCHULTZ, T. W. (1961). Investment in Human Capital. American Economic Review , 51 (1), 1-17.

[35] SOLOW, R. (1956). A Contribution to the Theory of Economic Growth. Quarterly Journal of Economics , 70, 65-94.

[36] SOLOW, R. (1957). Technical change and the aggregate production function. Review of Economies and Statitics , 39, 312-320.

[37] Sylvie CHARLOT(1997), « La relation éducation-croissance : apports théoriques récents et tests empiriques » UNIVERSITE DE BOURGOGNE.

Sites internet

[1] Site de la banque mondiale : www.worldbank.org [2] Site de l’UNESCO : www.unesco.org

[3] Site de l’institut des statistiques de l’UNESCO : www.uis.unesco.org [4] Site de l’OCDE : www.ocde.org